在python中解析带有强调标签的xml文件答案

【问题标题】：Parsing an xml file with an emphasis tag in it in python在python中解析带有强调标签的xml文件
【发布时间】：2020-07-23 14:08:58
【问题描述】：

我目前正在编写一个可以提取 xml 文件中所有文本的 python 脚本。我正在使用元素树库来解释数据，但我遇到了这个问题，但是当数据的结构像这样时......

<Segment StartTime="639.752" EndTime="642.270" Participant="fe016">
  But I bet it's a good <Pause/> superset of it.
</Segment>

当我尝试读出文本时，我在暂停标记之前得到了句段的前半部分（“好吧。所以我们有什么”）。

我想弄清楚是否有办法忽略数据段中的标签并打印出所有文本。

【问题讨论】：

您的问题存在一些不一致：引用的<Segment... 文字与您问题中的文字不匹配。
使用itertext():stackoverflow.com/q/19369901/407651

标签： python xml elementtree

【解决方案1】：

另一种解决方案。

from simplified_scrapy import SimplifiedDoc,req,utils
html = '''<Segment StartTime="639.752" EndTime="642.270" Participant="fe016">
  But I bet it's a good <Pause/> superset of it.
</Segment>'''
doc = SimplifiedDoc(html)
print(doc.Segment)
print(doc.Segment.text)

结果：

{'StartTime': '639.752', 'EndTime': '642.270', 'Participant': 'fe016', 'tag': 'Segment', 'html': "\n  But I bet it's a good <Pause /> superset of it.\n"}
But I bet it's a good superset of it.

【讨论】：

【解决方案2】：

xml = '''<Segment StartTime="639.752" EndTime="642.270" Participant="fe016">
  But I bet it's a good <Pause/> superset of it.
</Segment>'''

# solution using ETree
from xml.etree import ElementTree as ET

root = ET.fromstring(xml)
pause = root.find('./Pause')
print(root.text + pause.tail)

【讨论】：